OpenAI讓AI化身黑客自我檢測

OpenAI，開始用AI“黑客”攻擊自己了。

這一次，它推出的不是更強的模型，而是一個專門找漏洞的系統——GPT-Red。

它的角色很簡單，也很危險：像真正的黑客一樣，專門攻擊OpenAI自己的AI模型。

而這，可能是AI安全進入新階段的標志。

過去，大模型上線前都會經歷一輪“紅隊測試”：由安全專家設計各種刁鉆問題，試圖誘導模型說出不該說的話，或者執行不該執行的任務。

但問題是——人類已經有點跟不上了。

模型越來越強，攻擊方式越來越覆雜，僅靠人工，很難覆蓋所有可能的漏洞。於是，OpenAI幹脆換了一種思路：讓AI來當攻擊者。GPT-Red的核心機制叫“自博弈”。簡單理解，就是AI對AI發起攻擊：一邊是“進攻方”，不斷生成各種提示注入指令；另一邊是“防守方”，也就是被測試的模型，在攻擊中暴露問題並不斷修覆。這就像一個永不停止的攻防演練系統。

70萬小時算力，只為找漏洞，為了訓練這種能力，OpenAI在GPT-5.6發布前，投入了約70萬小時的A100e GPU算力，用於自動化紅隊測試。目標只有一個：在用戶之前，先把漏洞找出來。

這些測試不是簡單的問答，而是系統性地掃描模型的“弱點地圖”——哪里容易被繞過、哪里可能被利用、哪里存在風險邊界模糊。根據OpenAI自己的評估，GPT-5.6在網絡安全和生物風險兩個維度都達到了“高風險”等級。

如果沒有更強的防御機制，風險是雙向放大的。從“補漏洞”到“提前免疫”，GPT-Red真正重要的地方，不只是找問題，而是改變了安全的邏輯。

過去的安全，更像“打補丁”：發現一個漏洞，修一個漏洞。現在變成了“免疫系統”：通過持續對抗，讓模型提前適應攻擊環境。

這種方式帶來三個變化：

1

規模化

——AI可以生成海量攻擊樣本，人類做不到；

2

持續性

——測試不再是上線前的一次性流程，而是長期機制；

3

真實性

——攻擊來自AI，更接近未來真實威脅。

本質上

NOTICE

這是把模型放進“真實戰場”里訓練，而不是只做“考試題”。一場正在發生的安全競賽，其實，OpenAI早就開始布局。

更大的信號是：AI安全，正在從“附屬能力”，變成“核心競爭力”。未來，比拼的不只是模型有多強，還有誰更不容易被攻破。

最後

當AI強大到一定程度，人類已經無法獨自完成對它的全面測試。於是，一個新的局面出現了：

AI，開始負責測試AI；

AI，也開始防御AI。

這不是科幻，而是正在發生的現實。而GPT-Red，可能只是一個開始。

策划：張毅江朝東

撰文：Lisa八哥 孔令曦

视觉：Crystal.Du

技术：李永賓彭慶